EANT > Escuela de Ciencia de Datos > Cursos > Machine Learning
Imagen que muestra un entorno de minería de datos y machine learning con bases de datos y picos de minería sobre un set de datos

CursoMachine Learning

Entrenate en el desarrollo de modelos avanzados de analítica para tareas de investigación, automatización y predicción aprendiendo a trabajar con programación de datos, algoritmos, técnicas de modelamiento predictivo y mucho más.

Tecnologías que se utilizan a lo largo de Machine Learning
cienciasdedatos

Descripción

Las técnicas de Machine Learning e Inteligencia Artificial están creando toda una nueva generación de soluciones para las operaciones y toma de desiciones en todas las organizaciones e industrias ya que permiten no sólo un mejor entendimiento sino también la automatización de todo tipo de procesos complejos.

En éste curso te vas a entrenar a fondo a través de casos y teoría en todas las capas de trabajo que hacen al desarrollo de modelos de Machine Learning para tareas de descripción, automatización y predicción, practicando desde el trabajo exploratorio con la programación R (el lenguaje de análisis estadístico más robusto entre las comundiades científicas), la transformación, limpieza y normalización de datos, la implementación de las principales técnicas de modelado según los distintos problemas, la evaluación de performance de los modelos, las técnicas de calibración y ajuste, llegando hasta la implementación y comunicación de los resultados en mensajes claros y comprensibles.

Ver Menos

El curso inicia con el entrenamiento en el trabajo ágil con datos para lo cual se enseña a trabajar con R, el lenguaje de programación para análisis estadístico más difundido entre las comunidades de análisis de datos, y la plataforma de software RStudio, de uso abierto.

Se aprende a trabajar en programación orientada a datos mediante el uso de variables, estructuras avanzadas de datos (vectores, matrices, dataframes, etc), estructuras programáticas para el diseño de rutinas automáticas, la construcción de funciones, la implementación de librerías especializadas y la importación y exportación de archivos de datos.

Luego se entrena el trabajo exploratorio de la información implementando métricas estadísticas fundamentales como medias, percentiles, asimetría, curtosis, varianza, y funciones de probabilidad estadística, lo que permite el buen entendimiento sobre las características naturales de los data sets y la detección de necesidades de ajuste, limpieza y transformación de cara al desarrollo de modelos.

A partir de una base de programación sólida con datos, luego se recorren y desarrollan de forma exhaustiva cada una de las etapas del proceso de trabajo para el desarrollo de modelos de Machine Learning, comenzando con la evaluación de la necesidad, la preparación del dataset de cara a los objetivos, la identificación y diagnóstico de los ecosistemas de variables (sobreajuste de modelos, detección de outliers), practicando y aprendiendo las técnicas fundamentales de Machine Learning: clasificación y predicción mediante árboles de decisión y regresión logística. Finalmente se enseña la evaluación y calibración de los modelos de obtenidos mediante diversas técnicas (curvas ROC, matriz de confusión, etc) y el trabajo con herramientas para la presentación visual de los resultados.

El curso tiene una fuerte característica teórico-práctica, buscando a cada paso consolidar el aprendizaje conceptual mediante la implementicón de sus principios en casos reales, haciendo fuerte énfasis no solo en la obtención de resultados analíticos sino también en el entrenamiento sobre la forma de comunicarlos a otros roles de negocio no especializados.

Al finalizar el curso el alumno tendrá un fundamento sólido para el desarrollo de modelos predictivos basados en Machine Learning desde el cual podrá comenzar a trabajar en primeros poyectos de análisis avanzado de datos para luego comenzar a incorporar mayor dominio en tópicos más avanzados de la profesión.

Saber Más

La dinámica de cursos es teórico-práctica, alternando entre clases de días de semana donde se incorporan los principios fundamentales de cada parte y 3 jornadas de workshop de días sábado donde se realizan implementaciones punta a punta con los conceptos incorporados.

Al finalizar el curso vas a ser capaz de:

  • Trabajar en problemas complejos de análisis de datos mediante la programación con R.
  • Caracterizar la información midiendo y analizando métricas estadísticas.
  • Utilizar librerías para la implementación de todo tipo de funciones, herramientas y algoritmos.
  • Proponer soluciones basadas en modelos de clasificación, regresión y clustering.
  • Limpiar y transformar los datos en bruto para su posterior modelización.
  • Determinar el nivel óptimo de complejidad buscado en cualquier modelo amplio de variables.
  • Definir la estrategia de entrenamiento según cada tipo de modelo.
  • Evaluar y calibrar la performance de un modelo predictivo.
  • Implementar herramientas gráficas para el análisis visual de los datos.
  • Comunicar efectivamente los resultados a perfiles no especializado.

A quiénes va dirigido

Orientado a público con metas concretas de implementar modelos de Machine Learning en tareas de análisis y predicción.

Pre requisitos

Se recomiendan conocimientos básicos o alguna experiencia concreta en el análisis de datos.

Se recomienda hacer el curso Introducción a Bases de Datos con MySQL.

Duración y Costo 72hs $29000 ó hasta 12 cuotas de $3625 -10% por inscripción temprana Ver Formas de Pago
Próxima fecha
25 de Junio Ma y Ju de 19 a 22hs + 3 Sáb de 10 a 15hs Ver más fechas disponibles
**txt_sin_fechas**
Charla Informativa
**fecha_charla** Anotarme
Imagen de la EANT Recorré nuestra escuela
imagenes de la escuela

Podés conocer más sobre la Escuela de Ciencia de Datos clickeando acá.

Estamos muy cerca

EANT

Suipacha 207 - Piso 1

Microcentro, Cdad de Buenos Aires, Argentina

contacto@eant.tech

+54 11 5258 4500

imagen de carga ajax